原文传递
基于关联特性分析的铁路事故数据挖掘及预测、预警方法研究
| 论文题名： | 基于关联特性分析的铁路事故数据挖掘及预测、预警方法研究 |
| 关键词： | 铁路事故;数据挖掘;组合预测;安全预警;铁路运输 |
| 摘要： | 我国铁路运输网络具有运输里程长、历经站点多、范围辐射广、运输周转大、运输速度快等特点，年度旅客周转量及货物周转量均居世界首位。铁路安全涉及面广、专业性强且繁琐复杂，伴随着铁路运输速度的提高和行车密度的增大风险也进一步提高，不同性质事故的发生可能性也随之升高。铁路事故不仅会造成人员伤亡、经济损失和环境危害，还有可能造成极其恶劣的社会影响。因此，对铁路事故数据进行科学研究，充分发挥其对铁路安全工作的决策支持作用，对我国铁路系统健康稳定的发展有着非常重要的意义。 本文从铁路事故实际数据入手，首先对影响铁路事故的各因素进行归纳统计，去除冗余模糊内容，得到可供深入分析的数据样本;其次，结合新兴的数据挖掘技术，将关联规则分析应用于铁路事故实际数据的研究中，使用经典Apriori算法对样本数据进行挖掘;经筛选得到最突出的强关联规则，以灰色关联理论为指导，将该规则中的数据字段细分为具体的安全隐患内容及事故性质类别，通过灰色关联度计算量化分析二者之间的内在联系，进一步地对计算结果展开深入分析;之后，运用组合预测原理，以GM(1，1)与三次指数平滑的预测结果为基础，结合灰色理论及IOWA算子概念，构建科学合理的组合模型，对不同性质的铁路事故数量分别预测并校验误差;最后，结合隐患与事故的关系确定其严重程度，汇总各单位报告的数据情况分析安全水平，对超出安全阈值的给出警示，以此对我国铁路事故安全进行预警分析。 本文以铁路事故实际数据为基础，对运输过程中各影响因素及其相互关系进行量化研究，形成以安全隐患及事故性质为切入点的安全预警应用，对提升我国铁路安全管理水平有极大的促进作用。 |
| 作者： | 王克楠 |
| 专业： | 控制科学与工程 |
| 导师： | 王海星 |
| 授予学位： | 硕士 |
| 授予学位单位： | 北京交通大学 |
| 学位年度： | 2016 |
| 正文语种： | 中文 |
检索历史
应用推荐
